基于数据选择的联邦学习模型修复方法及相关装置

本发明属于人工智能和机器学习领域，公开了一种基于数据选择的联邦学习模型修复方法及相关装置，包括：获取联邦学习模型的新增数据样本；采用联邦学习模型的全局模型或本地模型，获取新增数据样本的数据特征；根据新增数据样本的数据特征，采用预设的数据选择方法选取预设数量的新增数据样本，作为补充数据样本并标注；采用标注后的补充数据样本和训练数据样本重新训练本地模型，并将重新训练后的本地模型上传中央云服务器，以及接收中央云服务器下发的基于重新训练后的本地模型的全局模型，得到修复全局模型。有效解决了在面对大量未知数据分布的新数据时，如何高效实现联邦学习模型修复的问题，同时显著提升了联邦学习模型的修复效率。